Datenschutzkonforme Verknüpfung von Datensätzen

Projekttitel: Datenschutzkonforme Verknüpfung von Datensätzen

Projektdauer: 2014 – heute

Forschungsbereich: Verantwortungsvolle KI

Die Datensatzverknüpfung ist ein wesentlicher Bestandteil vieler Datenintegrationsaufgaben mit mehreren Datenquellen. Ihr Ziel ist es, Datensätze zu identifizieren, die zu derselben realen Entität gehören, beispielsweise zu einer Person. In der Regel fehlen globale Identifikatoren; daher kann die Verknüpfung nur durch den Vergleich verfügbarer Quasi-Identifikatoren wie Name, Adresse oder Geburtsdatum erfolgen. Häufig sind Dateninhaber jedoch nur dann bereit oder berechtigt, ihre Daten für eine solche Datenintegration zur Verfügung zu stellen, wenn ein ausreichender Schutz sensibler Informationen gewährleistet ist, um die Privatsphäre von Personen, wie beispielsweise Patienten oder Kunden, zu wahren. In der medizinischen Forschung müssen beispielsweise Daten aus verschiedenen Quellen (z. B. Krankenhäusern) abgeglichen werden, um mögliche Zusammenhänge zwischen bestimmten Erkrankungen derselben Patienten zu untersuchen, ohne dabei die Identität der Patienten preiszugeben.

Privacy Preserving Record Linkage (PPRL) löst dieses Problem und ermöglicht dadurch die Zusammenführung sensibler Daten aus verschiedenen Quellen für eine verbesserte Datenanalyse und Forschung.

Ziele

Ziel dieses Projekts ist es, bestehende Methoden zur datenschutzkonformen Datenzuordnung zu untersuchen und neue zu entwickeln, die es ermöglichen, Datensätze abzugleichen und dabei den Datenschutz zu gewährleisten. Zu diesem Zweck basiert die Zuordnung personenbezogener Datensätze auf verschlüsselten Werten der Quasi-Identifikatoren, wobei die für die Analyse benötigten Daten (z. B. Gesundheitsdaten) von diesen Quasi-Identifikatoren getrennt werden. Die relevanten Daten können einem Forscher ohne die identifizierenden Daten zur Verfügung gestellt werden.

Problemstellung

PPRL steht vor zahlreichen Herausforderungen, die gelöst werden müssen, um seine praktische Anwendbarkeit zu gewährleisten. Insbesondere muss durch eine geeignete Verschlüsselung sensibler Daten und durch organisatorische Strukturen, wie beispielsweise den Einsatz einer vertrauenswürdigen Verknüpfungseinheit, ein hohes Maß an Datenschutz gewährleistet werden. PPRL muss eine hohe Verknüpfungsqualität erzielen, indem falsche oder fehlende Übereinstimmungen vermieden werden. Darüber hinaus sind eine hohe Effizienz mit schnellen Verknüpfungszeiten sowie Skalierbarkeit auf große Datenmengen erforderlich.

Praxisbeispiel

PPRL lässt sich in vielen Bereichen einsetzen, beispielsweise im Gesundheitswesen, in der Bevölkerungsforschung und in der Marketinganalyse. Aus diesem Grund haben wir eine Open-Source-Toolbox für die flexible Definition und Ausführung von PPRL-Workflows entwickelt: PRIMAT. Sie bietet Module für Dateneigentümer und die Verknüpfungsstelle, die modernste PPRL-Methoden bereitstellen, darunter verschiedene Verschlüsselungs- und Absicherungstechniken, LSH-basierte Blockbildung, Nachbearbeitung (Clustering) und vieles mehr.

Technologie

Wir konzentrieren uns vor allem auf Bloom-Filter-basierte Kodierungen, die nachweislich eine sehr effiziente Verknüpfung großer Datenbanken ermöglichen und gleichzeitig einen ausreichenden Datenschutz gewährleisten. PRIMAT ist in Java implementiert und kann auch über Spring-Boot-basierte Webdienste in Docker genutzt werden.

Ausblick

In unserer zukünftigen Arbeit werden wir uns auf die Entwicklung von Verfahren konzentrieren, die zuverlässige und qualitativ hochwertige Verknüpfungsergebnisse bei unterschiedlichen Datensätzen ermöglichen und den Datenverantwortlichen Leistungsindikatoren an die Hand geben. Wir gehen davon aus, dass diese für weitere praktische Anwendungen von PPRL unerlässlich sind.

Publikationen

• Rohde, F., Franke, M., Christen, V., & Rahm, E. (2023). Value-specific Weighting for Record-level Encodings in Privacy-Preserving Record Linkage. BTW 2023.
• Rohde, F., Franke, M., Sehili, Z., Lablans, M., & Rahm, E. (2021). Optimization of the Mainzelliste software for fast privacy-preserving record linkage. Journal of translational medicine, 19(1), 1-12.
• Franke, M., Sehili, Z., Rohde, F., & Rahm, E. (2021). Evaluation of Hardening Techniques for Privacy-Preserving Record Linkage. In EDBT (pp. 289-300).
• Sehili, Z., Rohde, F., Franke, M., & Rahm, E. (2021). Multi-party privacy preserving record linkage in dynamic metric space. BTW 2021.
• Franke, M., Gladbach, M., Sehili, Z., Rohde, F., & Rahm, E. (2019). ScaDS research on scalable privacy-preserving record linkage. Datenbank-Spektrum, 19, 31-40.
• Franke, M., Sehili, Z., & Rahm, E. (2019). Primat: a toolbox for fast privacy-preserving matching. Proceedings of the VLDB Endowment, 12(12), 1826-1829.
• complete list of our PPRL : https://dbs.uni-leipzig.de/research/projects/pprl

Team

Teamleitung

• Prof. Dr. Erhard Rahm

Teammitglieder

• Florens Rohde
• Victor Christen (DBS)
• Martin Franke (DBS)